ناهنجاری حرارتی

سنجش از دور حرارتی با پوشش وسیع از سطح زمین و همچنین فراهم آوردن قابلیت محاسبه دمای سطح زمین با استفاده از تصاویر ماهوارهای، به عنوان ابزار اقتصادی جدید نقش مهمی را در مطالعات محیط زیستی از جمله جستجوی منابع زمین گرمایی ایفا می کند. تهیه نقشه دمای سطح زمین، نکته کلیدی در دستیابی به ناهنجاریهای زمینگرمایی است که در پژوهش حاضر با استفاده از دادههای طیفی سنجنده OLI و دادههای حرارتی سنجنده TIRS ماهواره لندست 8، دمای سطح زمین با الگوریتم های تک باندی و پنجره مجزامحاسبه گردیده و اطلاعات حرارتی حاصل از الگوریتم ها با داده های هواشناسی مورد ارزیابی قرار گرفت تا با استفاده از الگوریتم بهینه، نقشه دمای سطح زمین در سطح منطقه مورد مطالعه محاسبه شود. با توجه به اختلاف دمایی 6/1 درجه سانتیگراد الگوریتم پنجره مجزا در مقایسه باالگوریتم تک باندی با اختلاف دمایی 3 درجه سانتی گراد نسبت به دمای هوای حاصل از ایستگاه هواشناسی در لحظه تصویر برداری از نتیجه الگوریتم پنجره مجزا جهت تهیه نقشه دمای سطح زمین استفاده گردید. اما حرارت سطحی محاسبه شده با الگوریتم پنجره مجزا در سطح منطقه مورد مطالعه تحت تاثیر عواملی مثل نور خورشید، ضریب افت محیط، تبخیر و تعرق و به علاوه منابع زمین گرمایی بود که بایستی تاثیر عوامل غیر از منابع زمین گرمایی از نقشه دمای سطح زمین کم شده و به حداقل ممکن برسد. بنابراین برای نایل آمدن به این هدف از مدل حرارتی استفاده گردید که این مدل حرارتی استفاده شده یک مدل خطی است و ضرایب مجهول آن با استفاده از روش سرشکنی کمترین مربعات محاسبه گردیده است. با تجزیه و تحلیل تصویر آنومالی حرارتی حاصل از مدل حرارتی، مناطقی به عنوان مناطق مستعد منابع ژئوترمال انتخاب شدند که علاوه بر اینکه نسبت به محیط اطراف خود دچار ناهنجاری شدند بلکه شواهد وجود منابع زمین گرمایی نیز در اطراف آنها موجود بود به گونه ای که دو منطقه با وسعت 5/5 و 05/10 هکتار در قسمت شمالی و شمال شرقی دهکده موئیل، یک ناحیه با وسعت 1/4 در جنوب غربی آبگرم قوطورسویی  و یک ناحیه در قسمت جنوبی آبگرم قینرجه با وسعت 1/1 هکتار به عنوان مناطق مستعد منابع زمین گرمایی در ناحیه اطراف کوهستان سبلان شناسایی شدند که از پتانسیل بالایی جهت اکتشاف منابع ژئوترمال برخوردار بودند.

زلزله یکی از پیش بینی ناپذیر ترین و خطرناک ترین پدیده های طبیعی است که هرساله خسارات مالی و جانی فراوانی را باعث می شود. هنگام وقوع زلزله تنش ها و فعالیت های محدود ه گسل افزایش می یابد و باعث تغییرات دمایی محسوسی نسبت به دمای نرمال می شود. این تغییرات دمایی خود را به صورت بی هنجاری هایی در مکان یا زمان نشان می دهند . در این تحقیق با استفاده از محصولات حرارتی سنجند ه مادیس و شیپ فایل گسل های ایران، هفت زلزله با شدت بیشتر از شش ریشتر ، که در ایران رخ داده، بررسی شد ه است. در این پژوهش با استفاده از تشکیل تصویر زمان - دما - فاصله در گسل مربوط به زلزله به عنوان ورودی دو روش تشخیص بی هنجاری حرارتی روی داده ها بررسی شد ه است. در نهایت ، با استفاده از نتایج حاصل از بهترین روش تشخیص بی هنجاری پارامتر شدت با استفاده از شبکه عصبی مصنوعی برآورد شده است. نتایج الگوریتم های تشخیص ناهنجاری نشان می دهد هرچند هر دو روش تشخیص بی هنجاری حرارتی بی هنجاری حرارتی مربوط به هر زلزله را در روز زلزله در شعاع نزدیک به گسل شناسایی کرده اند روش چارکی ( Interquartile ) نسبت به روش میانگین - انحراف معیار نتایج مناسب تری را برای ورودی الگوریتم شبکه عصبی فراهم می کند. نتایج در مدل سازی نیز نشان می دهد پارامتر شدت زلزله ، که با استفاده از شبکه عصبی مصنوعی بررسی شد، دقت کلی 73/0 را داشته است. ذکر این نکته لازم است که پیش نشانگر تغییرات دمای سطح و بی هنجاری های حرارتی به تنهایی نمی تواند برای بررسی کامل پارامترهای زلزله کافی و دقت لازم را برای تحلیل زلزله داشته باشد. ولی با توجه به حجم پایین داده های حرارتی و سادگی کار با آن ها ، توصیه می شود از آن ها برای بررسی های ابتدایی و آغازین زمین لرزه استفاده شود و در صورت ت أ یید نسبی آن برای تحلیل های بیشتر، از روش ها و پیش نشانگرهای دیگر ، که در آن ها اعمال الگوریتم ها و پردازش های سنگین و پیچیده نیاز است، استفاده شود .